最近大模型都在比谁的上下文窗口大。以前只能记几千字，现在能记几十万字——整本书都能塞进去。听着特别厉害对吧？我试了一下，说点真实感受。

上下文窗口大了确实有用。以前你跟AI聊长一点的东西，它就忘了前面说的。现在你把一整个文档丢给它，它能从头到尾读完，还能回答你问题。这个进步是实打实的。

但你真用了就发现：窗口大了，不代表它真懂了。

什么意思？

你丢给AI一本小说，问它主角最后怎么样了。它能告诉你。但你问它"主角为什么做这个决定"，它就开始胡编了。因为它能"记住"内容，但它不"理解"内容背后的逻辑。

有次我把一份很长的产品文档丢给AI，问它"这个产品最核心的功能是什么"。它给我列了十个功能，全是文档里写的。但哪个是核心、哪个是次要的，它判断不了。它只看字面，不看重点。

上下文窗口大了还有个问题。

它什么都塞进去，但它分不清主次。你给它一百页资料，它觉得每页都一样重要。你问它关键信息，它可能给你引了一段无关的。因为它不知道哪段是重点。

人读东西会抓重点——开头看一下、结尾看一下、中间跳着看。AI不行，它从头到尾读，但读完了它不知道什么重要。

所以现在大模型上下文窗口越来越大，但你别指望它真能"读懂"长文本。它能帮你找信息、总结内容，但它不能帮你做深度分析。

这就像一个人读完了整本书，但你问他读后感，他只能复述故事情节，说不出自己的理解。读得多不等于理解深。

以后大模型的方向不应该是窗口更大，而是理解力更强。能记住很多东西不牛，能从里面提炼出洞察才牛。

说个更真实的例子。有次我把一份30页的行业报告丢给AI，让它帮我提炼核心观点。它给我列了二十条，每条都是报告里的原话。但你问它"这二十条里哪三条最重要"，它说"都重要"。

它分不清主次。因为它不知道你的目的是什么——你是想做投资决策？还是想写文章？还是想跟老板汇报？不同的目的，重点不一样。AI不知道你要什么，它只能把所有东西都给你列出来。

这就是上下文窗口大了之后的新问题：它能装很多信息，但它不会帮你筛选。你得自己告诉它哪些重要。但如果你知道哪些重要，那你还找AI干嘛？

后来我学乖了。我丢长文档给AI的时候，不光丢文档，还告诉它我要什么。比如"我要写一篇文章，帮我从这三十页里挑出三个最有意思的观点"。这样它才知道该抓什么重点。

你不告诉它目的，它就给你一堆信息，你自己挑。那跟自己读文档有什么区别？

所以大模型上下文窗口大是好事，但你得会用。你不能指望它自己知道你要什么。你得把你的目的说清楚，它才能帮你抓到重点。